SCIENZA E RICERCA

Modelli epidemiologici: cosa sono e a cosa servono. Parola ad Alessia Melegaro

Mai come negli ultimi mesi siamo stati esposti a così tante informazioni scientifiche tutte insieme: numeri, dati, grafici, analisi e previsioni. Nel ciclo di appuntamenti Aspettando Genova – L’onda Covid: capire per reagire, abbiamo approfondito alcuni degli aspetti più importanti della convivenza con il virus: abbiamo parlato di epidemiologia con Paolo Vineis, di immunità con Maria Rescigno, di come si gestisce una pandemia con Walter Ricciardi; e ancora, di Covid-19 e bambini con Paolo Rossi, delle cure che abbiamo a disposizione con Giuseppe Ippolito e della storia evolutiva dei coronaviurs con Giorgio Palù.

Con l’ospite di oggi proveremo a capire come sono fatti, come funzionano e a cosa servono i modelli epidemiologici che permettono agli scienziati e ai governi di prevedere i possibili scenari di diffusione dell’epidemia.

Ne parliamo con Alessia Melegaro, direttrice del Covid Crisis Lab dell'università Bocconi di Milano e Professore associato al Dipartimento di Sicneze Politiche e Sociali della Bocconi di Milano. La professoressa Melegaro utilizza metodi matematici per studiare sia i processi epidemici sia le strategie di contenimento degli stessi. Ha lavorato su malattie come morbillo, dengue e chikunguya, Hiv, diffusione dell’influenza, sulle strategie di vaccinazione e ora anche su Sars-CoV-2. Ha collaborato, tra gli altri, allo studio che ha permesso di rintracciare la presenza del virus in Lombardia già a inizio gennaio di quest’anno. Con la professoressa Melegaro parliamo anche del ruolo che i modelli hanno avuto nel dialogo tra comunità scientifica e decisori politici, e di come se n’è discusso sui media.

Intervista a Alessia Melegaro, direttrice del Covid Crisis Lab dell'università Bocconi di Milano

Che cos’è un modello epidemiologico?

I modelli matematici che descrivono l’andamento di un’epidemia si costruiscono considerando le caratteristiche specifiche dell'infezione, come la sua modalità di trasmissione, dopodiché si suddivide la popolazione in quelli che vengono chiamati stati epidemiologici o compartimenti. “Per un’infezione come quella da coronavirus questi compartimenti sono i suscettibili, gli infetti e i rimossi. Questo è un modello epidemiologico standard”, spiega Alessia Melegaro, che prende il nome di modello compartimentale SIR (dall’inglese susceptible, infectious, recovered).

Per analizzare la diffusione della malattia ciascun compartimento viene riempito con i dati a disposizione: il numero di suscettibili, quello degli infetti e quello di chi è guarito o deceduto. “L'analisi della diffusione tiene conto del fatto che il rischio di infezione è un elemento endogeno al sistema, per cui il numero di infetti e di suscettibili presenti nella popolazione determina il rischio di infezione. Il numero di infetti cambia nel tempo e dunque fa cambiare il rischio di infezione”. Ci sono poi altri fattori che influiscono sul rischio di infezione, come le politiche sanitarie: “se viene introdotta una politica di vaccinazione, di screening o di lockdown questa avrà un impatto sul rischio di infezione e il modello ne terrà conto”. Il famoso indice di riproduzione del virus Rt (che indica quanti individui un infetto in media è in grado di contagiare) è dunque uno dei risultati dell’analisi di diffusione della malattia, e dipende da diversi fattori o parametri, di cui parleremo tra poco.

“I modelli epidemiologici sono delle equazioni matematiche che descrivono questi andamenti e ne esistono di diversi tipi: ci sono modelli classici compartimentali, che sono questi che ho appena descritto, oppure ci sono i modelli ad agenti, con cui vengono seguiti gli individui singolarmente. Tanti singoli individui formano una popolazione sintetica all'interno della quale poi processo di diffusione avrà luogo”. Sono approcci diversi che guardano alla medesima realtà.

Quanti e quali parametri? I contatti sociali

L’efficacia di un modello dipende anche dal tipo e dal numero di parametri che sceglie di analizzare. “La regola è che meno parametri abbiamo meglio è” spiega Melegaro, “nel senso che se riusciamo a rappresentare un processo infettivo con un modello semplice questa è la strada da seguire. Non vogliamo aggiungere complessità là dove non è necessario, perché per ogni parametro che abbiamo nel modello dobbiamo pensare che ci servono dei dati per calibrarlo. Quindi un modello con tanti parametri avrà bisogno di tanti dati, mentre un modello con pochi parametri avrà bisogno di meno dati per essere robusto e valido”.

Un parametro particolarmente importante in un modello epidemiologico è quello che descrive i contatti sociali tra individui. “I contatti sociali sono un elemento chiave nei modelli epidemiologici. Fino a pochi anni fa spesso venivano fatte delle assunzioni teoriche su come avvenivano i contatti sociali, perché i dati non erano disponibili. Oggi abbiamo diversi dataset su diverse parti del mondo, Italia inclusa, che ci dicono come avviene l'interazione tra individui, di che tipo, con che frequenza, in quali luoghi”.

Un metodo di raccolta dati sulle interazioni sociali è quello della ricostruzione dei contatti, o contact tracing, tramite le interviste epidemiologiche. “Noi ad esempio abbiamo fatto diversi studi dove siamo andati a chiedere ai partecipanti di compilare una specie di diario giornaliero nel quale elencavano tutti i contatti che avevano avuto, la durata del contatto, il luogo in cui era avvenuto. Poi attraverso l'analisi di questi dati si costruiscono delle matrici, vengono chiamate le matrici di mixing, che danno appunto l'interazione tra le diverse classi. In particolare le matrici di mixing che vengono utilizzate adesso per il coronavirus sono matrici organizzate per classi d’età, quindi ci mostrano le interazioni per fasce di età diverse. Sappiamo che il coronavirus è un’infezione che colpisce in modo severo gli anziani, anche se in estate abbiamo visto abbassarsi l’età media dei contagiati”. Conoscere le interazioni tra come gruppi appartenenti a fasce d’età diverse è un elemento chiave per riuscire a comprendere con precisione il diffondersi dell'infezione.

Mobilità e dati

Un’altra informazione importante è capire come e quanto si spostano le persone: la mobilità. I dati sulla mobilità sono stati ricavati dalle celle telefoniche, alcuni studi li hanno ricavati addirittura dal web e dai social network. Per sfruttare i dati del web il governo ha istituito una task force apposita (di cui fanno parte, tra gli altri, Stefano Denicolai dell’università di Pavia e Walter Quattrociocchi di Ca’Foscari, Venezia). “Ogni giorno abbiamo a disposizione una quantità di dati incredibile e ancora di più in quest'ultimo anno durante l’emergenza Covid c'è stata una grande raccolta dati sugli spostamenti e sulla mobilità. I dati introducono un elemento di realismo all'interno del modello teorico, quindi ci dicono che aree geografiche molto connesse avranno una maggiore probabilità di diffusione dell'infezione”.

Il modello si aggiorna non solo con i nuovi dati a disposizione, ma anche con nuove conoscenze che prima non erano disponibili. Il tasso di trasmissione degli asintomatici all’inizio della pandemia ad esempio non era noto, oggi si sa che gli asintomatici contribuiscono alla diffusione del contagio. “in questi casi può succedere che il modello viene esteso, in modo da includere questa nuova informazione. A volte si aggiungono delle classi per cui se gli infetti asintomatici e quelli sintomatici hanno delle probabilità diverse di trasmettere il virus, perché magari hanno cariche virali diverse, si dovrà stratificare la popolazione tenendo in conto di questo fatto. Quindi si aggiungerà una classe al modello standard di cui avevamo parlato prima. Un’altra possibilità è quella di avere maggiori informazioni riguardo a un processo che era già previsto all'interno del modello. Quindi il modello può essere esteso ma può anche essere solo aggiornato”.

Dialogo tra scienza e decisori politici

I modelli matematici sono strumenti potenti per fare previsioni su cosa accadrà in futuro. A seconda di cosa si vuole andare a guardare si utilizzano modelli diversi e proprio in questa pluralità di approcci sta la forza delle previsioni. “Penso sia importante avere la possibilità di confrontare le proiezioni, quindi avere diversi modelli che cercano di rispondere alla stessa domanda dà al decisore politico più robustezza rispetto alle previsioni che vengono fatte”.

Ci sono diversi aspetti che devono venire presi in considerazione nella gestione di una pandemia: quelli immunologici, l’efficacia degli interventi di politica sanitaria, la sicurezza. “La parte modellistica permette se vogliamo di tenere insieme aspetti diversi che provengono da discipline diverse e fare una proiezione di quello che potrà accadere. La modellistica epidemiologica offre uno strumento in più ai decisori politici per prendere le decisioni che spetta ai policy maker prendere”.

Chi si occupa di modelli fornisce non solo gli scenari possibili, ma anche le assunzioni che stanno dentro ai vari modelli, quindi i limiti e gli elementi di incertezza che permangono.

“In un momento di emergenza l'importanza di proiezioni e simulazioni è ancora più forte perché non c'è il tempo per andare a effettuare studi clinici, c'è bisogno di essere estremamente rapidi nella nella valutazione della situazione. I modelli nel contesto Covid in particolare penso abbiano dato un contributo molto importante, perché nel momento in cui abbiamo iniziato a vedere come si stava diffondendo l'infezione siamo riusciti attraverso un'analisi statistica dei dati a stimare le quantità epidemiologiche fondamentali, il modello è stato parametrizzato ed è stato in grado di fornire le previsioni in tempi rapidissimi. L'impatto delle previsioni generate dai modelli sui policy-maker a mio avviso è stato molto alto. Un conto è seguire l'andamento dei contagi giorno per giorno, un altro è avere una previsione magari a 4 settimane e capire in anticipo che la situazione potrebbe diventare grave per il sistema sanitario”.

Se volessimo trovare una traccia positiva lasciata dalla pandemia potrebbe proprio essere quella di essere riuscita ad aprire dei canali di comunicazione tra la scienza (epidemiologia e modellistica nello specifico) e la politica, secondo Melegaro. “Sono stati creati dei ponti che prima del Covid non c'erano. Questo permette sia nell'immediato ma anche in futuro di rivolgersi alle competenze necessarie in un momento di emergenza”.

Dialogo tra scienza e opinione pubblica

Di modelli gli scienziati hanno parato non solo con i decisori politici, ma anche con i media. In questi mesi di pandemia il pubblico è stato travolto da informazione scientifica di ogni tipo. “Credo che in effetti una sovraesposizione ci sia stata e penso si siano imparate molte cose cammin facendo. Soprattutto, l'importanza di essere trasparenti nei confronti del pubblico, anche a riguardo delle analisi che vengono fatte per informare le decisioni di chiudere, ad esempio. Se invece di far calare le decisioni dall’alto riusciamo ad argomentare queste decisioni credo che si costruisca un rapporto di fiducia con i cittadini e che si crei un legame più forte anche in vista di adesione alle politiche sanitarie che poi vengono messe in atto”.

Oltre a quella sanitaria, deve esserci anche una strategia comunicativa secondo Alessia Melegaro. “Parlare del singolo dato giornaliero non serve, occorre invece parlare dei trend, di come sta andando il fenomeno, senza dare troppo rilievo al valore singolo del singolo giorno, come Rt, occorre guardare agli andamenti”.

Alessia Melegaro si è occupata tra le altre cose anche di strategie di vaccinazione. “Ci sono diversi gruppi di ricerca che stanno già lavorando allo sviluppo di modelli che includano le politiche di intervento, incluse quelle di vaccinazione. Quella della vaccinazione a Sars-CoV-2 è una prospettiva come piuttosto complessa, che richiederà una notevole capacità di comunicazione da parte dei governi sulle scelte che verranno adottate. Sarà molto delicata la percezione che ne avranno le persone e i cittadini, quindi bisognerà stare attenti”.

Alessia Melegaro ha recentemente partecipato a uno studio (condotto negli Usa e in Italia) pubblicato a giugno in preprint su MedRxiv (Building comprehension to enhance vaccination intentions: Evidence from the United States and Italy) in cui viene affrontato il tema della propensione della popolazione a vaccinarsi. Tra le altre cose viene riportato che includere troppa informazione statistica nella comunicazione sull’efficacia del vaccino porta i genitori a ridurre l’intenzione di vaccinare sé e i propri figli. In questo caso l’esitazione vaccinale sembra essere una questione squisitamente comunicativa. “La cosa più importante è che la comunicazione venga compresa prima di tutto. Tutti i messaggi di comunicazione devono essere prima compresi per poter indurre il cittadino ad aderire a una certa politica sanitaria. In questo studio abbiamo trovato che l’inserimento di dettagli tecnici, statistici e numerici riduce di parecchio la comprensione da parte dei partecipanti e di conseguenza la loro propensione a vaccinare se stessi e i propri figli”.

Una delle sfide che ci attendono sarà proprio quella di riuscire a vaccinare tutti, inclusi i Paesi del terzo mondo come quelli africani, di cui Alessia Melegaro si è occupata in diversi studi epidemiologici. “In relazione al coronavirus effettivamente in Africa sembra che l'impatto sia stato decisamente inferiore rispetto a quello che abbiamo visto nel resto del mondo. I motivi legati a questo possono essere tanti: la struttura demografica (quindi alla distribuzione della popolazione), l'età media (più bassa quella africana), esposizione ad altre infezioni che magari ha creato una memoria immunitaria particolare (è un contesto in cui le infezioni respiratorie sono tantissime e spesso non sono diagnosticate). È anche possibile che la diffusione del virus rimanga in buona parte non registrato”.

Rimangono molte sfide da affrontare nei prossimi mesi, i modelli epidemiologici costituiscono uno strumento predittivo che aiuterà a orientare al contempo le scelte dei decisori politici e ad informare il pubblico tramite il filtro dei media.

 

© 2018 Università di Padova
Tutti i diritti riservati P.I. 00742430283 C.F. 80006480281
Registrazione presso il Tribunale di Padova n. 2097/2012 del 18 giugno 2012